arabic_billion_words
收藏OpenCSG2024-07-19 更新2026-01-19 收录
下载链接：
https://opencsg.com/datasets/AIWizards/arabic_billion_words?tab=summary
下载链接
链接失效反馈官方服务：
资源简介：
Arabic Billion Words语料库，收录了超过五百万篇阿拉伯语新闻文章，总计超过15亿词汇，包含约三百万个独特词汇。该语料库以UTF-8和Windows CP-1256两种编码方式进行编码，并使用SGML和XML两种标记语言进行标记。它支持文本生成和掩码填充等任务，并提供诸如文章URL、标题、日期和正文内容等字段。目前，该语料库包含Alittihad、Almasryalyoum等多个配置子集，每个子集均提供一个训练集。
提供机构：
AIWizards
创建时间：
2024-07-19
